论文部分内容阅读
将局部均值分解（LMD）和K近邻（KNN）算法结合起来对滚动轴承进行了故障诊断。首先，将LMD应用在轴承振动信号的分解，故障信息被包含在不同的PF分量中，对每个PF分量从时域和频域两个方面进行特征值提取。针对获得的高维特征向量进行PCA降维，最后在低维空间里，基于KNN算法，实现样本状态分类。实验结果表明，不同故障类型的滚动轴承样本均能被正确诊断。